基于群智能算法的文本聚类研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究背景及意义 | 第8-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文主要研究内容 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 第二章 文本挖掘理论 | 第14-22页 |
| ·文本挖掘的任务 | 第14页 |
| ·文档表示模型 | 第14-19页 |
| ·向量空间模型 | 第15-16页 |
| ·主题概率模型 | 第16-17页 |
| ·概念模型 | 第17-18页 |
| ·文本相似度计算 | 第18-19页 |
| ·文本向量降维技术 | 第19-20页 |
| ·特征选择 | 第19页 |
| ·特征抽取 | 第19-20页 |
| ·文本挖掘面临的新课题 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 文本聚类分析 | 第22-30页 |
| ·聚类分析概述 | 第22-23页 |
| ·基本理论 | 第22页 |
| ·聚类的任务 | 第22-23页 |
| ·主要技术方法及分析 | 第23-28页 |
| ·基于划分的算法 | 第23-24页 |
| ·基于层次的算法 | 第24-25页 |
| ·基于密度的算法 | 第25-26页 |
| ·基于网格的算法 | 第26页 |
| ·基于模型的方法 | 第26-27页 |
| ·高维数据聚类 | 第27-28页 |
| ·评价准则 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 改进的人工鱼群算法MAFSA | 第30-40页 |
| ·人工鱼群算法(AFSA)的分析、处理和实验结果 | 第30-34页 |
| ·人工鱼的结构模型 | 第30-31页 |
| ·算法实现 | 第31-33页 |
| ·参数设置分析 | 第33-34页 |
| ·AFSA实验仿真结果与应用 | 第34-36页 |
| ·函数优化仿真实验和结果 | 第34-35页 |
| ·旅行商应用 | 第35-36页 |
| ·人工鱼群算法的改进方向 | 第36页 |
| ·改进的人工鱼群算法(MAFSA) | 第36-39页 |
| ·引入衰减因子 | 第36-37页 |
| ·算法步骤 | 第37-38页 |
| ·实验仿真和结果 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 KAFSA算法在文本聚类中的应用 | 第40-60页 |
| ·文本聚类的过程 | 第40-41页 |
| ·相关技术 | 第41-42页 |
| ·文本预处理 | 第41页 |
| ·特征词提取 | 第41-42页 |
| ·性能评估 | 第42页 |
| ·实验数据来源 | 第42页 |
| ·混合的人工鱼群算法(KAFSA) | 第42-50页 |
| ·K-means算法 | 第43-44页 |
| ·粒子群算法 | 第44-45页 |
| ·K均值与IAFSA的融合 | 第45-46页 |
| ·参数设置分析 | 第46-47页 |
| ·实验数据集 | 第47页 |
| ·实验结果与分析 | 第47-50页 |
| ·具体实现及分析 | 第50-59页 |
| ·开发环境 | 第50页 |
| ·系统的总控模块设计 | 第50-51页 |
| ·模块详细设计与实现过程 | 第51-54页 |
| ·运行结果与分析 | 第54-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 主要结论与展望 | 第60-62页 |
| 主要结论 | 第60页 |
| 展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第67页 |
